面對開源大模型浪潮，基礎模型公司如何持續盈利？原創

發布于 2025-4-25 11:57

瀏覽

0收藏

編者按： 當前 AI 基礎模型的商業前景正面臨前所未有的挑戰。開源模型的性能日益接近甚至在某些領域超越閉源產品，高昂的推理成本讓訂閱制模式的盈利空間被嚴重擠壓，而價格戰使 API 服務利潤率持續下滑。這些現實問題正迫使每一個在 AI 領域創業或投資的人重新思考商業策略。
本文作者基于一線市場觀察和深度行業洞察，提出了一套商業模式組合拳。
首先，文章深入分析了基礎模型的兩大主要商業模式 —— 訂閱制和 API 服務，并指出 API 模式雖然前期回報較低，但長期盈利潛力更大，且能創造更強的用戶粘性。
作者還探討了垂直整合戰略的可能性，包括自研 AI 芯片、構建生態閉環、應用場景探索和服務延伸等路徑。作者提出可以借鑒奢侈品行業的“準入壁壘”策略，將頂級模型作為“VIP 產品”僅向符合條件的客戶開放，從而實現溢價和品牌勢能增長。
最后，作者呼吁大型基礎模型公司不要恐懼開源社區的崛起，而應主動擁抱，利用開源驅動創新飛輪。

本文系原作者觀點，Baihai IDP 僅進行編譯分享。

作者 | Devansh

編譯 | 岳揚

生成式 AI 已在諸多領域帶來了較大的生產力提升，但顯然其潛力尚未被完全釋放。這項技術蘊含著巨大的商業潛力，但人們卻不知道如何將其釋放出來 —— 尤其是考慮到這些技術獲得的巨額投資與開源模型的崛起，后者在生成質量和生成速度上已能匹敵閉源模型。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Image[1]

關于生成式 AI 如何盈利此前已有諸多精彩的討論，但所有人都忽略了一個關鍵點 —— 基礎模型的商業化不僅是一個工程或產品戰略問題。企業最終采取的戰略，往往受內部博弈和公關考量驅動，其程度不亞于實際業務/技術因素的影響。

當我們深入討論被誤解的開源大語言模型時，這場對話會變得更加撲朔迷離。開源模型的表現、較低的投資和“免費”特性，讓人們誤以為它們將徹底終結閉源模型的需求。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

雖然這種想法讓我內心癢癢的，但現實是：基于開源模型的開發成本極其高昂，這正是許多開發者最終轉向使用大型模型供應商 API 的根本原因

本文將剖析基礎模型的主要商業模式，解答縈繞在每個人心頭的疑問 —— 在“免費”開源基礎模型時代，ChatGPT、Gemini 或 Claude 等基礎模型將如何盈利？

劇透預警 —— 其中一種商業模式的靈感源自奢侈品手提包（真正的奢侈品）。閱讀至文末，你會了解奢侈品牌為何可能成為大語言模型供應商值得效仿的商業范本。

01 核心要點 (TL;DR)

從最高層級來看，大語言模型主要有兩種盈利方式：

1.1 訂閱制

當前大多數用戶都是通過訂閱制使用大語言模型。這種模式的商業邏輯簡單明了 —— 每月支付 X 美元，即可與“Y 大模型”進行 Z 次交互。

訂閱制適用于用戶需要直接與模型進行單輪或多輪對話的簡單場景，特別是當任務的復雜度較低，通過模型內置知識庫和簡單輸入即可解決時效果最佳。

從商業角度來看，我對 LLMs 中的訂閱制印象最深的是以下幾點：

1) 前期收益可觀，但盈利潛力有上限（收入無法超越用戶支付的訂閱費用）。 這對大語言模型供應商來說是個比較大的問題，因為模型推理成本極高。Netflix 可以大規模地為訂閱用戶提供服務，因為其邊際成本極低（存儲費用、人才成本、版權費用等主要成本都是一次性支出）。而大語言模型供應商面臨持續高企的推理成本，設置一個收入上限將導致單位經濟效益（譯者注：unit economics，平均一個買賣單位的收入與成本的關系。）惡化。

2) 訂閱制的銷售難度最低，但由于定制化程度不足導致用戶黏性最弱。 用戶可以輕易轉向使用競品的訂閱服務。

3) 某種程度上將大語言模型從基礎資源轉化為應用產品了，有助于規避當前 API 領域慘烈的價格戰（這在基礎資源領域已經十分常見了）。但第二點特性仍使總體需求對價格高度敏感，導致訂閱制本身極易陷入價格戰泥潭。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

相關概念提示[2]

總而言之，依賴訂閱制會與用戶之間產生一種有趣但又緊張的關系 —— 你希望用戶訂閱服務卻不使用服務，這種行為反而會進一步降低用戶的忠誠度。否則，你的選擇只能是限制服務使用量（Claude 即使對付費用戶也設定了使用限額），或者像 OpenAI 那樣承擔潛在的虧損來維持大語言模型的運營。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Discussed this news here[3]

如果你認為訂閱制是最好的商業模式，你需要賭對以下前提：

1) 絕大多數用戶的需求足夠簡單，只需一個通用界面即可滿足大多數用戶需求；

2) LLM 推理成本的下降趨勢是"真實存在"的 —— 該下降趨勢應源于供應商的成本結構優化，而非通過犧牲利潤換取市場份額；

3) "真實的"推理成本將持續走低，提升訂閱制的利潤空間。 例如：若能將實際推理成本降至0.03 美元/百萬 tokens（為簡化計算，此處將輸入 token 和輸出 token 合并統計），那么 20 美元的訂閱費用可覆蓋約 66,000 次 10K tokens 規模的查詢（不過當涉及大規模輸入語料庫及搜索/引用等附加功能時，實際成本可能因上述復雜場景迅速接近甚至超過訂閱費，但這個數字（約 66,000 次 10K tokens 規模的查詢）仍很可觀）。但需注意，這些都是理想情況下的數據（目前性價比最高的 Gemini 1.5 8B 模型，輸出成本 0.3 美元/百萬 tokens，輸入成本 0.075 美元/百萬 tokens，仍大幅高于假設值）。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

向早期的經典建模軟件致敬

依我看 —— 觀點 1（譯者注：標準化產品（如 ChatGPT 的聊天框）已能滿足多數用戶需求）有一定道理，觀點 2（譯者注：LLM 推理成本的長期下降趨勢是真實的）純屬扯淡，觀點 3（譯者注：若推理成本真能持續下降，訂閱模式利潤將顯著提升）雖有可能但面臨重大技術障礙與組織慣性阻力。這也正是我不看好訂閱制的原因。相關分析將另文詳述，此處先簡要概括：

1) 許多團隊因“政治考量”/品牌營銷方面的考慮，會持續鼓吹擴展模型規模。 以 Recursion Pharmaceuticals（RXRX）（譯者注：Recursion Pharmaceuticals (納斯達克股票代碼: RXRX) 是一家成立于2013年的臨床階段生物技術公司，總部位于美國猶他州鹽湖城。公司專注于運用人工智能 (AI) 和機器學習技術革新藥物發現流程，主要聚焦于遺傳性罕見疾病和腫瘤學等領域。）為例，這一點是我對該公司唯一的質疑。盡管我總體認可其技術路線，但該公司反復宣揚其對超級計算機的投資卻避談商業價值評估（我曾在覆蓋報告[4]中警示過此問題），這種行為實屬危險信號。在我看來，這不過是又一家試圖通過"深度學習+英偉達+規模擴展"敘事推高估值的公司（該觀點曾引發其不滿，但從未獲得實質性反駁）。此類現象絕非 RXRX 獨有，大量案例顯示很多團隊因激勵機制錯位而選擇高成本路徑（完整清單見此[5]），沉沒成本、模型規模崇拜等因素將使得進行根本性的變革舉步維艱。

2）技術層面，現有大語言模型的優化方案可能會阻礙其向更高效架構的轉型。

我不是記者，也不是八卦博主，所以我不會把我與大科技公司高層領導的對話寫成文章，他們也坦言推行創新優化方案時遭遇的阻力遠超外界想象，這種系統性壓力將有效遏制實際成本的過度下降。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

source[6]

1.2 API

這是我最喜歡的盈利方式。LLM 供應商提供 API keys，允許開發者按 token 使用量付費。這種方式的前期回報較低，但基于 API 的計費有諸多優勢：

1) 回報沒有上限。

2) 基于 API 的開發者會投入更多時間圍繞 LLM 的特性優化產品，切換模型時面臨更高的機會成本，這天然形成了更強的用戶粘性。

3) 減少與存儲數據相關的資源消耗和安全風險擔憂 —— 正如深度求索（DeepSeek）事件所示，這個問題遠比表面復雜。

短短數分鐘內，我們就發現了深度求索存在可公開訪問的 ClickHouse 數據庫，該數據庫完全開放且無需認證即可訪問敏感數據。該數據庫位于 ??https://oauth2callback.deepseek.com:9000??? 和 ??dev.deepseek.com:9000??。
該數據庫存儲著大量聊天記錄、后臺數據和敏感信息，包括日志數據流、API 密鑰和技術或業務細節。
更嚴重的是，該漏洞使得外界無需進行任何認證即可完全控制數據庫，并可能在深度求索系統內實現“提權”。
深度求索的公開數據庫允許外部人員完全控制所有操作，包括訪問內部數據。此次內部數據暴露涉及超百萬行包含敏感信息的日志數據流。

當前的 API 定價面臨著巨大的挑戰，因為它將 LLM 變成了大宗商品（其他產品用于增值的原材料），使其深陷價格戰泥潭。由于大宗商品極度依賴價格競爭，這導致每個競爭參與者的利潤率持續走低。這就是行業預估的 LLM API 利潤率一直在下降的原因。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Image Source[7]

我喜歡 API 業務的利潤空間，因為它具有爆發性增長的潛力。 這點是源于技術領域天然的壟斷屬性，任何真正實現技術差異化的供應商都將主導市場。雖然中短期內難以實現（該領域仍處于早期階段），但一旦突破臨界點，回報將呈指數級增長。因此，值得搏一搏。

換個角度說，我推崇 API 戰略的核心邏輯在于：當你在專業領域做到極致時，市場競爭將變得無關緊要。當進入這一階段，API 將釋放出巨大的商業價值。如果我執掌某家 LLM 企業，我會牢牢盯住這個目標。回避這場關鍵戰役本質上是為保生存而戰，而非為勝利而戰，這種畏首畏尾的姿態難以在科技史上留下真正的印記。

當前主流的 LLM 供應商都在通過不同的方式探索變現路徑（頭部玩家已同步布局聊天界面訂閱制與 API 服務）。不過，他們還可以從很多方向發展。

垂直整合戰略：包括芯片/推理優化、應用層開發、各種延伸服務、建立戰略聯盟（參照 Palantir 模式）等路徑。這種整合將創造收入增長極、優化成本結構，并加速產品的市場滲透。
借鑒奢侈品行業“準入壁壘”策略：通過建立分級訪問機制強化模型安全性，同時塑造 LLM 的稀缺價值。這種看似反常識的商業邏輯，在高級定制時裝領域已被驗證有效，或許能為 AI 領域提供差異化競爭的思路。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Source[8]

02 垂直整合戰略如何賦能 LLM 發展

接下來探討垂直整合的可能性。模型供應商將在人工智能價值鏈上實施前向或后向整合 —— 后向整合旨在降本，前向整合旨在拓展收入來源。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Source[9]

該戰略可能呈現多種形態。

2.1 LLM 模型供應商進軍硬件領域

Sam Altman、亞馬遜和谷歌都在嘗試自研 AI 加速芯片。此舉既能降低對英偉達等外部供應商的依賴，又能通過專用芯片設計實現更優的性能表現。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Image Source[10]

2.2 構建 LLM 生態閉環

谷歌的生成式 AI 布局堪稱典型案例（若非這家公司屢屢錯失技術領先優勢，本可成為完美示范）。雖然大眾認知中 Gemini 是谷歌云的核心創收引擎，但鮮為人知的是谷歌還通過云平臺提供視頻嵌入模型（video embedding model）等AI產品（盡管性能平庸但比較實用）。這種商業模式的邏輯簡明有力 —— 以 LLM 為流量入口，繼而向用戶交叉銷售完整生態服務。

對于那些對這種玩法感興趣的研究者來說，谷歌的案例極具啟示意義。早在 2022 年初，他們就“萬事俱備” —— 高性能的多模態模型 PaLM 與高效的 TPU 芯片。然而混亂的產品戰略、疲軟的營銷策略、缺失的銷售體系，加之谷歌云平臺自身的缺陷，最終葬送了巨大的技術先發優勢。

因此，任何試圖效仿這一模式的企業，必須謹慎規避，避免重蹈覆轍。

2.3 應用場景探索

以 Meta 為典型案例進行剖析。該公司雖不直接從 LLM 中獲取收益，但確實依賴 LLM 來優化其社交平臺的用戶體驗。通過開源 Llama 模型的眾包開發策略，Meta 成功撬動開發者生態反哺技術迭代，并將優化成果反哺至廣告推薦等核心業務。這種迂回變現路徑的啟示在于：供應商可借力開源社區完善技術底座，間接賦能主營業務實現增值，而非直接利用 LLM 盈利。

2.4 服務延伸路徑

最后，LLM 公司可以向 AI 解決方案服務商轉型。通過為企業客戶提供端到端的實施服務，既能開辟訂閱收入之外的新盈利渠道（服務費+產品使用費），又能撬動政府、律所、金融機構等非技術領域的高凈值客戶群。具體可分為三類模式：

埃森哲模式

依托品牌效應承接大型政企訂單，要么直接執行合同，要么將其分包出去。四大咨詢公司已驗證該模式的可行性 —— 他們通過出售自己的 “專業知識”，為那些簡易軟件收取天價服務費。當項目復雜度超出能力邊界時，可分包給某方面更專業的公司賺取差價。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

Image[11]

然而，該模式并不適合大多數硅谷企業，因為他們對服務型公司存在根深蒂固的優越感（認為產品天生優于服務，這種偏見源于對少數成功案例的過度外推和短視判斷）。對于那些堅持產品本位但希望試水通過提供服務獲利的企業，下個模式或許更具參考價值。

Palantir 模式與 Forward Deployment Engineers

Palantir 完美詮釋了"產品+服務"組合的創收潛力。通過向高凈值客戶（如政府機構）部署配備專業 forward deployment engineers（譯者注：指直接駐扎在客戶現場或與客戶密切協作的技術團隊，負責產品部署、定制化實施和技術支持。）團隊，他們實現了產品部署與客戶服務的無縫銜接。這種業務模式已被他們驗證具有強大變現能力。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

數據說明一切

LLM 供應商可復制該模式。可以與地方政府有深厚關系的服務商建立合作，培訓其團隊成為 forward deployment engineers，借助現成關系網絡加速產品滲透。這種合作能夠創造雙贏的局面 —— LLM 供應商無需大量基礎工作即可觸達新客戶，而咨詢服務公司則能夠提升相關技術能力，并且憑借與供應商的聯盟關系，服務商可承接更高端、利潤更豐厚的項目。

Cohere 模式

該 LLM 供應商更進一步，除了上述方法，還向客戶出售可以本地化部署的私有模型。但在開源模型性能突飛猛進的當下，這種策略已顯疲態。Cohere 目前依靠強大的 DevRel 工作與開源生態勉強維持，但據行業交流反饋，他們已經大不如前了。該模式雖不適合作為核心戰略，但或可用于老舊/冷門模型的變現（某些買家可能出于逆向工程目的采購）

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區

昔日被譽為 GPT 最強競品的 Cohere 淪落至此，令人唏噓

至此已完成當下主流戰略的全景掃描。但未來將走向何方呢？

03 準入壁壘與生態聯盟 —— 未來基礎模型商業模式的基石

注：該觀點源自筆者的摯友、頂級投資人 Eric Flainingam[12]。

隨著模型蒸餾等技術逐漸消解基礎模型間的技術代差，部分 LLM 供應商可能不愿向非認證用戶開放完整的 API 權限。此時，有限制的訪問策略（Gated Access Strategy）就能派上用場了：LLM 供應商可與企業客戶簽訂最低使用協議（minimum-use contract），將其最優模型作為“VIP 產品”僅向符合條件者開放（如已在其他產品線消費一定金額的客戶）。這樣，這些模型基本上也成為了一種“奢侈品”。

這種模式看似反直覺，但其商業邏輯卻異常堅實：

1）通過最低使用協議鎖定基礎收入

2）多數場景下，次級模型已能滿足客戶需求（市場低估了這些模型的實際能力）

3）確保了最強大的模型不會被復制，因為僅允許少數高價值企業客戶訪問模型的話，他們的使用情況更容易被跟蹤

4）增加品牌勢能，構筑護城河（對標奢侈品"稀缺性溢價"的心理機制）

5）高階模型可實施溢價定價，釋放利潤空間

我愈深入推敲，愈堅信該策略是賺錢的。將最好的 LLM 塑造為"身份象征"，會讓用戶更不愿意轉向使用競爭對手的產品。唯一的風險在于"旗艦模型"可能會因調用量不足而缺乏實戰驗證 —— 這個隱患可通過在訂閱制的聊天界面給用戶使用這些“旗艦模型”，但限制用戶的模型可使用量來緩解：這樣既能收集用戶反饋，又能提升平臺的活躍度，在產品之間產生協同效應。

以上即為當前 LLM 提供商可行的主流商業模式。我預計各 LLM 供應商能夠融合采用多種策略，尋找到最優解。 如 API 章節所述，我認為該領域天然趨向壟斷格局，最終贏家將通吃市場。雖不知勝者何人，但科技史的經驗昭示此乃必然 —— 正如死神 Yama 騎著水牛逼近垂死之人一樣，行業的整合步伐看似緩慢，但它就在穩步地向我們逼近。智者當未雨綢繆，主動布局。

文末，容我向各位 LLM 提供商的領導層給出一些建議：關于該如何面對開源社區的洶涌攻勢。

04 開源洪流下的生成式 AI 盈利之道 —— 兼論 LLM 供應商為何無需畏懼開源社區的挑戰

近期的行業動態揭示了一個充滿諷刺的現實：許多標榜擁護自由市場與技術中立的 LLM 領袖，竟紛紛游說美國政府實施出口管制，以"保護美國利益"之名遏制 DeepSeek。這并非 LLM 廠商首次對開源表現恐慌（當 Llama 模型遭泄露時，Sam Altman 即借"AI安全"之名推動監管立法，實則是制造恐慌并爭取監管）。

面對開源大模型浪潮，基礎模型公司如何持續盈利？-AI.x社區